挖掘注意力中的运动线索：无需训练，解锁4D场景重建能力（在新窗口打开）
如何让针对静态场景训练的3D基础模型（3D Foundation Models），在不增加训练成本的前提下，具备处理动态4D场景的能力？
内容栏目
AI技术文章
分享不同 AI 工具、模型与相关技术的使用方法和实践文章。
经验记忆黑科技：LightSearcher让AI工具调用减39.6%、推理快48.6%（在新窗口打开）
如今，以 DeepSeek-R1 为代表的深度思考大模型能够处理复杂的推理任务，而DeepSearch 作为深度思考大模型的核心搜索器，在推理过程中通过迭代调用外部搜索工具，访问参数边界之外的最新、领域特定知识，从而提升推理的深度和事实可靠性。
让大模型“吃一堑长一智”，南理工百度等提出模型记忆新方法（在新窗口打开）
多模态推理又有新招，大模型“记不住教训”的毛病有治了。
embedding分数不是唯一解！搜索场景，如何根据元数据做加权rerank（在新窗口打开）
今天聊一聊我们如何做高质量rerank。
大模型的进化方向：Words to Worlds | 对话商汤林达华（在新窗口打开）
李飞飞团队最新的空间智能模型Cambrian-S，首次被一个国产开源AI超越了。
刷榜自动驾驶语义场景补全！北大新作：高维度、高密度 | AAAI'26（在新窗口打开）
北京大学团队提出了一种新的视觉语义场景补全方法HD²-SSC，用于从多视角图像重建三维语义场景。该方法通过高维度语义解耦和高密度占用优化，解决了现有技术中二维输入与三维输出之间的维度差异，以及人工标注与真实场景密度差异的问题，从而实现更准确的语义场景补全。
比LoRA更快更强，全新框架LoFA上线，秒级适配大模型（在新窗口打开）
在个性化视觉生成的实际应用中，通用视觉基础模型的表现往往难以满足精准需求。为实现高度定制化的生成效果，通常需对大模型进行针对性的自适应微调，但当前以 LoRA 为代表的主流方法，仍受限于定制化数据收集与冗长的优化流程，耗时耗力，难以在真实场景中广泛应用。
60秒极限挑战！中国GPU独角兽杀出重围，斩获图形顶会大奖（在新窗口打开）
他们不光能造GPU，还能写出全球顶级的算法！摩尔线程这次开源给国产具身智能递了一把「神兵利器」。
给Agent装上“海马体”！上海AILab开源MemVerse，定义多模态记忆新范式（在新窗口打开）
一页纯文本的记忆是看不清世界的。 人与世界的交互天然是多模态的。一张产品设计图、一段用户操作录屏、一次包含语音和演示的线上会议，这些由图像、声音、视频构成的高维业务信息，正成为驱动AI智能体创造价值的关键来源。 当前绝大多数“长期记忆”系统在架构上仍设计为纯文本的记忆库。但智能体的“记忆”不应该是扁平的文本日志，而是一个能够记录并关联 “在何时、看到了何物、讨论了何事” 的多维体验图谱。这种跨模态、跨时间的记忆关联与融合能力，是智能体从被动工具进化为智能助手的关键要素。 为了攻克这一挑战，上海人工智能实验室正式开源MemVerse—首个面向智能体的通用多模态记忆框架。它突破性地将图像、音频、视
所有大模型，都学物理学：北大物理系一篇研究，震撼了AI圈（在新窗口打开）
LLM 智能体很赞，正在成为一种解决复杂难题的强大范式。
VGGT4D：无需训练，挖掘3D基础模型潜力，实现4D动态场景重建（在新窗口打开）
如何让针对静态场景训练的 3D 基础模型（3D Foundation Models）在不增加训练成本的前提下，具备处理动态 4D 场景的能力？
小米突然发布新模型：媲美 DeepSeek-V3.2，把手机的性价比卷到 AI（在新窗口打开）
开源模型再次迎来一位重磅选手，就在刚刚，小米正式发布并开源新模型 MiMo-V2-Flash。
高保真、多控制集成于「统一画布」，组合式图像生成新范式！（在新窗口打开）
Canvas-to-Image 是一种新型图像生成框架，将多种控制方式（如身份、姿态、空间布局）整合到一个统一画布中，用户可通过直观操作生成高保真、多控制的图像。它简化了创作流程，让用户在单一界面完成复杂创作，为AI创作工具提供了新范式。
56倍加速生成式策略：西交大提出EfficientFlow，迈向高效具身智能（在新窗口打开）
生成式模型正在成为机器人和具身智能领域的重要范式，它能够从高维视觉观测中直接生成复杂、灵活的动作策略，在操作、抓取等任务中表现亮眼。但在真实系统中，这类方法仍面临两大「硬伤」：一是训练极度依赖大规模演示数据，二是推理阶段需要大量迭代，动作生成太慢，难以实时控制。
中国科学家用AI造出不怕开水的蛋白质，无惧150℃高温，比肌肉强韧4倍（在新窗口打开）
近日，南京大学教授郑鹏和团队造出一种全新的超级蛋白质，不仅比人体肌肉组织里的天然蛋白质坚韧 4 倍以上，而且还能在开水里安然无恙，甚至能够承受 150℃ 的高温，这打破了人们对于蛋白质怕热的固有印象。蛋白质的机械强度被人工设计提升到纳牛顿的级别，堪比自然界已知的最坚韧的一些分子相互作用。
浙大联手字节：开源大规模指令跟随视频编辑数据集OpenVE-3M（在新窗口打开）
作者提出了一个大规模、高质量、多类别的指令跟随的视频编辑数据集 OpenVE-3M，共包含 3M 样本对，分为空间对齐和非空间对齐 2 大类别共 8 小类别。
AI Agent最新「Memory」综述 ｜多所顶尖机构联合发布（在新窗口打开）
就在昨天，新加坡国立大学、中国人民大学、复旦大学等多所顶尖机构联合发布了一篇AI Agent 记忆（Memory）综述。
临床PK完胜ChatGPT-5！国内团队造出首个OCT影像AI系统（在新窗口打开）
通用大模型（LLM）的狂飙突进，终于在医疗垂直领域的「最后一公里」撞上了硬墙。虽然 ChatGPT 在 USMLE（美国执业医师资格考试）中表现优异，但在面对需要「火眼金睛」和「毫厘必争」的心脏手术台上，通用大模型的表现究竟如何？
英伟达开源发布最新AI模型！引入突破性专家混合架构，推理性能超越Qwen3和GPT，百万token上下文，模型数据集全开源！（在新窗口打开）
就在刚刚，英伟达正式开源发布了其新一代AI模型：NVIDIA Nemotron 3。Nemotron 3 系列由三种型号组成：Nano、Super 和 Ultra。官方介绍其具备强大的智能体、推理和对话能力。
Thinking Machines首款产品重大更新：K2 Thinking、Qwen3-VL都可以微调了（在新窗口打开）
当前，AI 领域的研究者与开发者在关注 OpenAI、Google 等领先机构最新进展的同时，也将目光投向了由前 OpenAI CTO Mira Murati 创办的 Thinking Machines Lab。
参与交流
查看 AINRK 交流群说明
了解加入交流群的方式，阅读内容无需登录。